内部泄密、免费续命、对手砍价——Anthropic的’安全神话’为何在IPO前夜全面崩塌？

“他们发现了什么？”——Anthropic为何对Cursor闭口不谈

过去一周，AI行业最耐人寻味的一幕发生在Anthropic身上。这家以”安全”为核心卖点的AI巨头，正在经历一场从内到外的信任崩塌。

7月中旬，Anthropic宣布将Claude Fable 5限时免费开放给所有用户直至7月19日——这是该公司第二次延长免费窗口。但真正引发业界震动的不是免费本身，而是The New Stack的报道：Anthropic拒绝回答开发者在Cursor编辑器中发现了什么。这个沉默本身就是一个信号——有什么东西，连”我们没有什么可隐瞒的”这句话都不想说。

Cursor是全球最流行的AI编程工具之一，其背后接入的是各大模型公司的API。当开发者在Cursor中测试Claude系列模型时，他们意外发现了一些超出官方文档描述的能力——具体是什么，Anthropic选择沉默，Cursor选择沉默，而市场选择了疯狂猜测。

Opus 5泄露：”Honeycomb”的100万token野心

几乎在同一时间，一份关于Claude Opus 5的泄露文件在网上流传。据thewincentral.com和TechnoSports Media Group的报道，这份文件显示Anthropic正在开发代号为”Honeycomb“（蜂巢）的下一代旗舰模型，其最令人震惊的特性是100万token的上下文窗口。

100万token意味着什么？粗略换算，大约可以一次性处理约75万英文单词或超过1500页的A4文本。对于一个AI模型来说，这相当于让它在一次对话中阅读并理解一整本《战争与和平》加上你过去十年的所有代码仓库。

更关键的是泄露文件的时机。Anthropic此前刚刚递交了S-1上市申请（文章#135），估值逼近万亿。在这种敏感时刻泄露旗舰模型的详细规格，本身就是对公司战略的一次重大打击。竞争对手可以据此调整自己的产品路线，投资者可以据此重新评估估值逻辑，而客户则可以选择性地推迟采购决策等待正式发布。

Grok 4.5和Muse Spark 1.1：价格战的”围剿”

如果说内部泄密是Anthropic的”内伤”，那么外部竞争者的价格战就是”外患”。过去一周，AI行业的定价格局发生了剧烈震荡：

• SpaceX的xAI发布了Grok 4.5，以低于Anthropic和OpenAI竞争对手60%以上的价格切入市场。VentureBeat报道，这一举动”可能动摇Anthropic和OpenAI的市场地位”。更值得注意的是，Grok 4.5不仅面向通用对话，还专门针对法律、金融等垂直领域进行了优化（Bloomberg）。这意味着它不是”廉价替代品”，而是”专业级低价方案”。
• Meta发布了Muse Spark 1.1，扎克伯格亲自上阵推销”比竞争对手便宜75%”的新模型（24/7 Wall St.）。Fortune和SQ Magazine均报道了Meta借助Alexandr Wang（前Scale AI CEO）的加入来加速AI战略的动作。

这三家公司的动作形成了一个完美的”钳形攻势”：Grok 4.5从成本和垂直领域两个维度施压，Muse Spark 1.1从开源生态和企业客户角度切入，而Anthropic的反应——延长免费窗口、拒绝回应泄露——在外界看来更像是一种”防御性恐慌”而非”战略性反击”。

从”安全卫士”到”安全漏洞”——Anthropic叙事崩塌的深层逻辑

回顾Anthropic的发展轨迹，一个清晰的”信任螺旋下降”模式浮现出来：

1. 2025年底-2026年初： Anthropic以”安全”为差异化定位，成功获得政府和企业客户的信任，估值一路飙升（文章#139、#140）。
2. 2026年中： 安全记录开始出现问题——Fable 5被指仍可辅助网络攻击（Notebookcheck），用户隐私泄露事件曝光（文章#150），80%的代码由Claude生成引发自我替代焦虑（文章#158）。
3. 2026年7月： 三重危机同时爆发：内部泄密（Opus 5）、外部围剿（Grok 4.5 + Muse Spark 1.1）、叙事崩塌（”安全”标签不再可信）。

这个时间线的意义在于：Anthropic的”安全”叙事是其估值的唯一护城河。当OpenAI在通用能力上领先、Google在生态规模上碾压时，Anthropic之所以能在估值上与OpenAI分庭抗礼（甚至一度超越，文章#139），靠的就是”我们是最安全的”这一独特定位。但如果这个定位本身开始动摇——无论是通过泄密事件暴露的内部管控漏洞，还是通过Fable 5的安全缺陷——那么支撑其万亿估值的根基就开始出现裂缝。

开发者群体的”用脚投票”：免费续命能否留住人心？

Anthropic选择延长Fable 5免费窗口至7月19日，本质上是一种”用时间换空间”的策略——希望靠免费试用重新吸引开发者，抵消Grok 4.5和Muse Spark 1.1带来的定价冲击。但这种策略的有效性值得怀疑：

首先，免费策略在AI行业已经不再具有稀缺性。OpenAI的GPT-4o、Google的Gemini、甚至Meta的Llama系列都在提供免费层。当所有人都免费时，免费就不再是竞争优势。

其次，开发者最关心的不是价格，而是可靠性和安全性。如果一个模型的安全性受到质疑（Fable 5被指仍可辅助攻击）、核心产品信息被泄露（Opus 5文件流出），那么无论免费多久，企业客户都会犹豫是否将其接入生产环境。

最后，Cursor事件暴露了一个更深层的问题：当AI模型的能力发展速度远超安全审计速度时，”安全”就不再是一个可以一次性解决的问题，而是一个持续的、动态的、几乎不可能完全达到的目标。Anthropic选择对此保持沉默，恰恰说明这个问题比他们愿意承认的要严重得多。

微软正式摊牌：把OpenAI和Anthropic踢出Excel、Outlook，自家MAI模型全面接管——硅谷的”外包时代”终于结束了？

“账单太贵了”——微软为何选择与OpenAI”分手”？

据Bloomberg最新披露，微软已经在部分应用中悄然完成了一次重大技术切换：用自家的MAI（Microsoft Artificial Intelligence）模型取代了OpenAI和Anthropic的API服务。这一变化并非发生在边缘产品上，而是直接触及了Excel和Outlook这两项微软的核心生产力工具。

Cybernews进一步证实，微软做出这一决定的直接原因是“AI账单太高”。即使是对年营收超过6000亿美元的微软而言，随着Copilot用户量的指数级增长，向OpenAI和Anthropic支付的大规模推理费用已经成为一个不可忽视的成本黑洞。the-decoder.com的报道标题直白而震撼：“Copilot降价了，因为微软正在淘汰OpenAI和Anthropic的模型以削减成本”。

这并非秘密——过去几个月，微软内部已经多次讨论过减少对第三方模型的依赖。但Bloomberg的报道首次确认了这一策略已经从”讨论阶段”进入”执行阶段”。微软不再满足于做OpenAI和Anthropic的”分销渠道”，它要成为自己的AI供应商。

MAI模型：微软的”秘密武器”已经准备好了

MAI（Microsoft Artificial Intelligence）并非一个新名词。过去数月，微软一直在内部测试和优化这套自研模型体系。MarketBeat的报道指出，微软正将MAI定位为“降低对OpenAI和Anthropic依赖的战略工具”。

这一转变背后的逻辑并不复杂：当你的客户规模达到数亿级别时，每降低一个token的推理成本，省下的都是真金白银。OpenAI的GPT-5.6和Anthropic的Claude Sonnet虽然在基准测试中表现优异，但其商业定价对于大规模生产部署来说已经变得不可持续——Gizmodo的报道甚至直言：“Claude和ChatGPT对微软来说也太贵了”。

值得注意的是，MAI模型并非要在所有benchmark上超越GPT-5.6或Claude Sonnet 5。它的目标很明确：在微软核心应用场景中提供”足够好”的体验，同时大幅降低单位成本。这是一种典型的工程思维——不是追求理论上的最优解，而是在成本、质量和可用性的三角中找到最佳平衡点。

对OpenAI和Anthropic意味着什么？

微软是OpenAI最大的外部投资者（投入超300亿美元），也是Anthropic的重要合作伙伴。然而，投资关系和客户关系是两回事。即使微软继续持有OpenAI的股份，它也没有义务继续使用其API服务——正如Palantir CEO Alex Karp此前所警告的，OpenAI和Anthropic的定价模式正在引发行业性的”定价崩盘”压力（见文章#314）。

从商业角度看，微软的”去第三方化”传递了一个清晰的信号：AI基础设施的利润正在从模型层向平台层转移。对于OpenAI和Anthropic而言，这构成了一个严峻的战略挑战——如果最大的客户同时也是最强的竞争者，那么”客户”的身份反而成了最危险的处境。

SiliconANGLE的分析文章指出，这一趋势可能不仅限于微软。Thurrott.com的报道标题为“微软据报道正在向自研AI模型过渡”，暗示这可能是一个行业性的结构性转变，而非单一公司的战术调整。

巨头”自研潮”：从Meta到Google，再到微软

微软的这一步并非孤立事件。回顾过去一年的AI行业格局，科技巨头自研模型的趋势正在加速：

这一趋势的核心驱动力只有一个词：自主可控。当AI从”实验性功能”变成”核心产品能力”时，依赖第三方API的风险就变得不可接受了——无论是出于成本考虑、数据安全考虑，还是产品差异化考虑。

更深层的信号：AI行业的” commoditization “拐点

微软用MAI替代OpenAI/Anthropic的举动，反映了一个更深刻的行业变化：基础AI能力正在从”稀缺资源”变为”可商品化的基础设施”。

在AI发展的早期阶段，只有少数公司拥有先进的模型能力，因此API服务可以收取溢价。但随着训练技术的扩散、开源模型的成熟以及巨头们自身研发能力的提升，基础推理能力的边际成本正在急剧下降。当”足够好”的模型可以由自己提供时，为什么要为”最好”的模型支付额外费用？

但这并不意味着OpenAI和Anthropic的末日。它们的护城河正在从”模型性能”转向”生态绑定、品牌信任和数据飞轮“。问题在于，当微软这样的巨头不再需要”最好”的模型来完成日常任务时，它们还能靠什么维持高溢价？

Apple 对 OpenAI 发起史诗级诉讼：指控其窃取硬件机密、连 Jony Ive 的公司都拖下水——AI 军备竞赛的下一战，不在代码里，而在设计图纸上？

如果说过去一年的 AI 军备竞赛是一场围绕模型参数和算力的正面交锋，那么两天前 Apple 对 OpenAI 提起的这场诉讼，则把战场悄然转移到了更深层的阵地——硬件设计、芯片架构和人才流动。

这场被彭博社 Mark Gurman 称为”重磅案件”（blockbuster case）的诉讼，不仅指控 OpenAI 系统性窃取硬件商业秘密，还将 Jony Ive 离职后创办的 io Products 公司一并卷入。来自 CNBC、Reuters、Bloomberg、WSJ、AP、The Guardian、Fortune、Business Insider、Axios 等十余家全球主流媒体的同步报道，印证了这起案件的分量。

一、”渗透至每一个层级”：Apple 到底在指控什么？

CNBC 报道中引用了 Apple 诉讼文件中的关键措辞——窃取行为”渗透至每一个层级”（scheme was ‘at every level’）。这并非泛泛之词。

根据多家媒体报道的综合信息，Apple 指控的核心内容涵盖以下几个维度：

值得注意的是，Fortune 的报道特别指出，Apple 指控的对象不仅限于 OpenAI 本身，还包括 io Products 公司——这家由 Jony Ive 创立的设计咨询公司曾深度参与 Apple 多个标志性产品的设计工作。这种”连坐式”的诉讼策略在科技行业极为罕见，反映出 Apple 对此事的重视程度和愤怒情绪。

二、Jony Ive 的 io Products 为何被卷入？

Jony Ive 自 2019 年离开 Apple 后创立的 io Products，一直是科技圈最神秘的商业存在之一。据多位业内人士透露，io Products 与 Apple 之间保持着紧密的合作关系，负责多个前沿产品的设计咨询工作。

Business Insider 在”诉讼最大爆点”（biggest bombshells）专题报道中指出，io Products 被卷入此案，暗示 Apple 认为这些硬件设计机密的泄露并非孤立事件，而是形成了一个跨组织的”情报网络”。

三、时机之谜：GPT-5.6 发布后的”回马枪”

这起诉讼的时机选择耐人寻味。就在两周前，OpenAI 刚刚发布了 GPT-5.6 家族模型（Sol/Terra/Luna），并在 GitHub Copilot 集成和编程效率方面取得了显著突破。与此同时，Apple Intelligence 也在持续进化，试图在本地 AI 推理领域建立优势。

The New York Times 记者 Cade Metz 在报道中将此事置于更广阔的背景下——OpenAI 的快速增长引发了传统科技巨头的警惕。Apple 作为 OpenAI 在 Siri 和 Apple Intelligence 背后的合作伙伴，同时也是潜在的竞争对手，正处于一个微妙的十字路口。

AP 新闻的分析指出，这场诉讼释放了一个明确信号：AI 时代的”人才战争”正在演变为”法律战争”。当顶级 AI 公司的扩张速度超过了行业的人才供给能力时，商业秘密的保护就成了最后一道防线。

四、AI 竞争的新维度：从”模型之战”到”硬件+人才+法律”三位一体

这起诉讼的意义远超一桩普通的商业纠纷。它标志着 AI 军备竞赛进入了一个全新的阶段——竞争不再局限于模型参数和算力规模，而是延伸到了硬件设计、供应链控制和人才流动的每一个环节。

Reuters 的 Deepa Seetharaman 和 Stephen Nellis 在报道中强调，这起案件的关键在于它揭示了 AI 行业的一个结构性矛盾：当所有玩家都在争夺同一批顶尖人才和同一套硬件设计方案时，法律将成为最终的仲裁者。

五、全球视角：这不仅仅是 Apple 和 OpenAI 的故事

朝鲜日报（Chosun Ilbo）和 Daily Sabah 等国际媒体的跟进报道表明，这起诉讼已经引发了全球科技行业的广泛关注。在各国纷纷加强 AI 出口管制和人才流动监管的背景下，Apple 选择通过法律手段而非行政命令来保护自身利益，反映了一种新的治理思路。

TechCrunch 的 Sarah Perez 在报道中总结道：”Apple 对 OpenAI 的诉讼不仅仅是一起商业纠纷，它是 AI 行业成熟化的标志——当这个行业从’野蛮生长’进入’规则博弈’阶段，法律将成为最重要的竞争工具。”

苹果正式起诉OpenAI：偷窃硬件机密、前员工「LOL」时刻引爆硅谷最昂贵商业间谍案，两家巨头的战争到底想干什么？

一、「从每个层面渗透」——苹果起诉书到底指控了什么？

2026年7月11日，科技界迎来了一场意料之外却又在情理之中的重磅诉讼。苹果公司在加州北区联邦法院正式提交诉状，指控OpenAI及其两名前员工涉嫌系统性窃取贸易秘密。

根据CNBC和路透社的报道，苹果在诉状中使用了极为严厉的措辞——称OpenAI的侵权行为“at every level”（从每个层面渗透）。这一表述在商业诉讼中极为罕见，通常只出现在涉及国家级间谍活动或军工级别机密泄露的案件中。

具体而言，苹果指控的核心内容包括：

路透社记者Deepa Seetharaman、Stephen Nellis和Jaspreet Singh在第一时间报道中指出，这起案件的特殊之处在于它同时涉及软件巨头与硬件帝国之间的碰撞——OpenAI代表的是纯AI软件生态的最前沿，而苹果的指控则直指其引以为傲的硬件护城河。

二、Fortune独家：那个改变一切的「LOL」时刻

更具戏剧性的是，Bloomberg的Mark Gurman通过Fortune发布了一篇独家深度报道，揭示了这场诉讼背后的一个关键转折点——一名OpenAI工程师在内部沟通中发出的「LOL」（笑死了）消息。

据报道，这名工程师在处理一份来自苹果内部的硬件技术文档时，在内部聊天群组中发出了「LOL」的回复。这条消息本应被视为无关紧要的内部交流，但在随后的证据开示过程中，它成为了苹果证明OpenAI“明知故犯”的关键证据之一。

这一细节之所以重要，是因为在美国贸易秘密法（DTSA）框架下，原告必须证明被告“知道或有理由知道”所获取的信息是盗取的。那个「LOL」时刻，恰好为苹果提供了这一关键的法律支点。

三、马斯克入局：从商业纠纷到阵营大战

诉讼发布后仅数小时，埃隆·马斯克便在X平台上对事件作出了激烈回应。据时代印度和Latest news from Azerbaijan报道，马斯克发文嘲讽Sam Altman，言辞之尖锐将一场原本属于两家公司的商业纠纷瞬间升级为硅谷两大阵营的公开对峙。

马斯克的介入并非偶然。作为xAI的创始人和OpenAI的联合创始人（尽管已于2018年退出），他与Altman之间长期存在战略分歧。在OpenAI刚刚推出GPT-5.6、Meta发布Muse Spark 1.1、Anthropic推出Claude Sonnet 5的“三巨头同天亮剑”（文章#308）之后，马斯克选择在此时出手，其战略意图不言而喻。

四、OpenAI的正式回应：否认一切，反诉滥用

面对苹果的猛烈攻势，OpenAI迅速作出了法律回应。据MacRumors报道，OpenAI在法庭文件中全面否认了所有指控，并称苹果的行为构成“诉讼滥用”（litigation abuse）。

OpenAI的核心辩护逻辑包括：

• 独立研发声明：OpenAI坚称其AI芯片设计和Siri相关技术均为独立研发，从未使用任何苹果机密信息。
• 前员工行为切割：对于两名前员工的指控，OpenAI表示这些个人行为不代表公司立场。
• 反垄断反击：有分析人士指出，OpenAI可能在诉状中加入了对苹果市场垄断地位的质疑——这将成为案件的另一条战线。

而Axios的最新报道（截至发稿仅3小时前）显示，双方律师团队已经在证据开示阶段展开了激烈交锋，案件预计将在未来6-12个月内进入实质审理阶段。

五、更深层的博弈：AI硬件之战的前哨战

这起诉讼的真正意义，远不止于两家公司之间的法律纠纷。从更宏观的视角来看，它揭示了AI行业正在经历的结构性转变：

正如The Guardian所指出的，这起诉讼发生在OpenAI推迟IPO至2027年、同时面临华尔街对其盈利模式的质疑之际。如果苹果能够证明OpenAI确实窃取了其硬件机密，那么不仅OpenAI将面临巨额赔偿，其“纯软件AI公司”的估值逻辑也将受到根本性质疑。

反过来，如果OpenAI胜诉，苹果的安全体系将被证明存在严重漏洞——这意味着任何接触过苹果硬件设计的外部人员都可能成为泄密通道，这对任何一家以安全为核心卖点的科技公司来说都是灾难性的。

OpenAI、Anthropic、Google砸出300万美元算力券抢初创公司——AI巨头的”客户获取战”到底有多疯狂？

在硅谷，风险投资 traditionally 的玩法是：投资人给创业者钱，换取股权。但最近，一种全新的”风投模式”正在AI行业蔓延——只不过这次，出钱的不是VC，而是OpenAI、Anthropic和Google这样的AI基础设施巨头。

据《华尔街日报》独家报道，这三家巨头正竞相向有潜力的初创公司提供高达300万美元的免费计算能力积分。这不是营销噱头，而是一场精心策划的“客户获取战争”（customer acquisition war）——巨头们试图在AI应用的下一个爆发期到来之前，就把未来的独角兽们牢牢绑定在自己的生态里。

一、300万美元”算力券”：AI界的数字风投

这场竞争的核心逻辑并不复杂：如果一家初创公司从一开始就使用你的API、你的模型、你的工具链，那么当它成长为下一个千亿美元级企业时，它的底层基础设施已经是你提供的了。

MarketScale的报道进一步揭示了竞争的烈度——这些算力积分包不仅仅是”免费试用”，而是结构化的长期承诺。对于成长型AI初创公司来说，300万美元的算力成本可能占到其运营支出的40%以上。谁能承担这笔费用，谁就能在人才争夺战中占据决定性优势。

Axios的Ina Fried此前曾报道”Google在AI人才战中吃亏”，而现在的信号更加明确：Google不仅在人才上被挖角，在商业生态层面也面临OpenAI和Anthropic的正面冲击。

二、Baseten的130亿美元赌注：第三极的突围

在这场巨头混战中，一个看似不起眼的故事值得格外关注。Baseten——一家定位为”更便宜替代方案”的AI基础设施公司——刚刚完成了15亿美元的新融资，估值飙升至130亿美元。

这家公司的叙事非常直接：如果OpenAI、Anthropic和Google都在用免费算力”买断”初创公司，那么有没有一个中立的基础设施层，能让初创公司同时使用多个模型而不被锁定？

WSJ的Angel Au-Yeung在独家报道中指出，Baseten的策略类似于云计算时代的”多云架构”——不站队任何单一AI提供商，而是为初创公司提供统一的API接口、更低的价格和更强的灵活性。澳大利亚风投Blackbird对此下了重注，创造了其在AI领域的最大单笔投资纪录。

这本质上是对”巨头锁定”焦虑的市场化回应。当一家初创公司意识到自己正在接受Anthropic的300万美元积分时，它也在意识到：一旦用了这家，就很难再换那家。

三、从API账单到”数字股权”：商业模式的重构

这种”免费算力换忠诚”的模式，正在从根本上改变AI行业的商业逻辑。

传统SaaS的逻辑是：客户付费使用服务，供应商赚取经常性收入。但AI基础设施的逻辑正在倒置——供应商先付费（通过免费算力），客户未来通过使用量和数据贡献来”偿还”。

这实际上是一种“反向风投”（reverse venture capital）：不是VC投资创业公司，而是基础设施提供商”投资”创业公司的使用量。当创业公司增长时，基础设施提供商通过持续的API调用获得回报——而且由于转换成本极高，这种回报几乎是确定性的。

分析师警告，这种模式正在创造一个“隐形股权”体系：初创公司虽然没有出让股份，但通过深度绑定某家AI提供商的基础设施，实际上已经让渡了战略自主权。

四、谁在买单？AI巨头的”获客成本”有多深？

300万美元对一家初创公司来说是巨额资源，但对OpenAI、Anthropic和Google来说，这只是它们AI军备竞赛中的一笔“营销支出”。

问题的关键在于可持续性。Fortune此前曾报道”AI大规模股票交易引发更多股票超买方”的担忧——当所有巨头都在烧钱抢市场时，谁来为这场狂欢买单？

WSJ此前一篇题为”The Clock Is Ticking for Big Tech to Make AI Pay”的报道（4月30日）已经发出了警告：AI基础设施的投入产出比正在受到越来越严格的审视。如果初创公司拿了免费算力却没有成长为高收入客户，那么这300万美元就变成了纯粹的沉没成本。

但巨头们的逻辑很简单：在AI应用层的竞争中，赢家通吃。早一步锁定生态，就意味着晚一步入场者几乎不可能翻盘。

Palantir连发两记重拳：警告OpenAI/Anthropic定价崩盘、发布”AI主权”宣言——硅谷印钞机的裂缝，到底有多大？

一、”有些东西完全不对劲”——Palantir CEO的公开警告

2026年7月初，Inshorts报道了一条在AI圈引发广泛讨论的消息：Palantir首席执行官Alex Karp在公开场合表示，”有些东西完全不对劲”（something has gone completely wrong），直指OpenAI和Anthropic的token定价模式。

这一表态之所以引人注目，是因为Palantir并非AI行业的旁观者——它本身就是OpenAI和Anthropic模型的重要企业客户。Karp的批评来自一个内部视角：他亲眼看到了AI基础设施成本的爆炸式增长，以及这种增长对企业用户的不可持续压力。

Karp的核心论点可以概括为三个层面：

这并非Karp第一次对AI行业表达尖锐看法。早在2026年初，Palantir就因其对AI部署的务实方法论而受到关注——与OpenAI和Anthropic强调”通用智能”的宏大叙事不同，Palantir专注于让AI在具体业务场景中产生可量化的价值。

二、”AI主权”宣言：不只是批评，更是路线图

更为重要的是，Palantir在同一天发布了“AI主权”（AI Sovereignty）宣言。这份文件并非一份简单的公关声明，而是一份系统性的战略蓝图，其核心主张包括：

第一，企业AI基础设施必须自主可控。Palantir认为，将核心AI能力外包给OpenAI、Anthropic等少数几家公司的做法，正在创造新的”技术依赖风险”——类似于过去企业对AWS和Azure的依赖，但代价更高、锁定效应更强。

第二，AI主权不仅是技术问题，更是国家安全问题。Palantir一贯强调这一点——作为一家以政府合同起家的公司，它深知关键AI基础设施集中化的战略风险。在特朗普政府部分解除Anthropic出口禁令（文章#315相关背景）的同时，Palantir选择从另一个角度切入：即使在美国国内，过度依赖单一AI供应商也是危险的。

第三，OpenRouter数据揭示了结构性转变。根据CNBC和多家媒体的报道，中国AI模型在OpenRouter上的流量份额持续攀升，Claude占比已降至约13%。Palantir的”AI主权”论调实际上呼应了这一市场现实——当替代方案变得可用且更具成本效益时，企业没有理由继续支付溢价。

三、更大的背景：AI经济危机的三重信号

Karp的警告不能孤立理解。它嵌入在一个更广泛的AI行业危机叙事之中，至少有三个相互关联的信号值得关注：

信号一：用户从”tokenmaxxing”转向效率至上。正如CNBC在6月底的报道所指出的，OpenAI和Anthropic正面临用户行为的根本性转变——企业用户不再追求无限调用，而是开始寻找”用最少的token获得最好的结果”的方案。Model routing工具的兴起正是这一趋势的产物，但它也直接威胁到OpenAI和Anthropic的收入模型。

信号二：”廉价AI时代已经结束”。Jacobin在6月的评论文章中尖锐地指出，AI成本的上升正在重塑整个行业的经济格局。当OpenAI考虑降价（WSJ报道）、而Anthropic与三星讨论定制芯片（TechCrunch报道）时，双方都在试图应对同一个问题：AI服务的单位成本正在逼近商业可行性的临界点。

信号三：Palantir自身的估值逻辑正在被重估。24/7 Wall St.的报道标题直截了当——”Palantir CEO: ‘Something Has Gone Completely Wrong’ With OpenAI and Anthropic”。这条新闻发布后，Palantir的股价表现与其对竞争对手的批评形成了有趣的对照。市场似乎在用脚投票：投资者正在重新评估”谁能在AI成本危机中活下来”这个问题。

四、为什么现在发声？时机背后的战略考量

Karp选择在这个时间点公开发声，绝非偶然。至少有三重战略考量：

首先，Palantir正在为IPO季节的”新玩家”定位自己。随着OpenAI和Anthropic相继提交IPO申请，资本市场正在重新审视AI行业的竞争格局。Palantir需要在这个窗口期告诉投资者：它的价值不在于”又一个AI模型公司”，而在于”AI基础设施的独立架构师”。

其次，”AI主权”宣言是对政府客户的精准触达。Palantir的核心客户群是政府和国防部门——这些机构天然对”技术主权”敏感。在特朗普政府与Anthropic发生出口管制冲突（文章#315背景）之后，Palantir的宣言恰好为那些担心过度依赖美国商业AI供应商的政府客户提供了理论支撑。

最后，这是对中国AI崛起的间接回应。Palantir的”AI主权”论调与中国推动AI自主可控的政策方向不谋而合。当中国模型在OpenRouter上的份额持续扩大、DeepSeek等公司推出更具性价比的产品时，Palantir的立场实际上为全球AI市场多元化提供了理论框架。

科技资讯

AI已进入企业57%的核心流程，但七成处于失控状态——当部署速度碾压人才储备，这场”无人驾驶”的转型到底要开向哪里？

2026年的夏天，全球企业正经历一场前所未有的”AI悖论”：一方面，AI已经深度渗透进超过半数的企业核心业务流程；另一方面，绝大多数公司发现自己根本没有足够的人来管理这些系统。这不是技术不够先进的问题——而是整个组织的”操作系统”还没有跟上。

多家权威研究机构在短短一周内密集发布报告，从不同维度描绘了同一幅图景：AI部署的速度远超企业的人才准备和组织适应能力。当技术狂奔时，人的脚步却跟不上。

一、57%的流程已AI化，但”准备好”的企业不到四分之一

全球最大IT基础设施服务公司Kyndryl发布的一份最新报告显示，截至2026年中，57%的企业核心业务流程已经集成了某种形式的AI。这个数字在过去两年中几乎翻了一番。

然而，与这个亮眼数字形成鲜明对比的是另一个令人不安的数据：在全世界范围内，只有约25%的组织明确表示自己的员工队伍已经做好了充分准备来运营和维护这些AI系统。印度市场的Kyndryl研究同样印证了这一趋势——尽管AI采用率持续攀升，但仅有四分之一的企业认为其劳动力具备相应能力。

“我们看到的不是技术瓶颈，”Kyndryl报告指出，”是组织能力和人才储备的结构性缺口。企业采购了最先进的AI工具，但没有建立起相应的培训体系、治理框架和运营流程。这就像给一辆F1赛车配了一个还没考驾照的司机。”

二、70%的AI在”裸奔”：影子企业的崛起

如果说人才缺口只是隐忧，那么”不受控AI”的蔓延则是一个正在发生的现实危机。

联想旗下StoryHub平台发布的调研数据显示，70%的企业AI应用处于”不受控”状态——这意味着这些AI系统是由各部门自行部署、未经过IT部门审核、没有纳入统一治理框架的。这种现象在业内被称为”影子AI”（Shadow AI），与IT管理中的”影子IT”概念类似。

“影子AI带来的风险是多层次的，”报告分析道。首先是数据安全风险——员工可能将敏感商业信息输入到未经安全评估的AI工具中；其次是合规风险——不受控的AI输出可能违反行业监管要求；最后是成本风险——各部门重复购买相似的AI服务，造成资源浪费和ROI稀释。

TraceGains同期发布的《2026 AI准备度与治理调查报告》进一步揭示了问题的严重性：在高监管行业（如食品饮料），仅有41%的企业正式采用了AI工具，远低于非监管行业的采用率。更令人担忧的是，员工的”非正式AI使用率”反而更高——大量员工在未经公司批准的情况下私自使用AI工具处理工作。

三、Forrester的判断：”追逐者众，收获者寡”

咨询机构Forrester在最新的Agentic AI行业报告中给出了一个冷静的判断：“2026年的企业Agentic AI，正处于’期望膨胀期’向’泡沫破裂低谷期’过渡的阶段。”

Forrester的研究覆盖了两百余家企业，发现了一个明显的分层现象：

• 约15%的企业已经实现了Agentic AI的规模化部署，并看到了明确的业务回报
• 约30%的企业处于试点阶段，在特定场景下验证了可行性
• 超过55%的企业仍处于规划或早期探索阶段，尚未形成可复制的模式

“问题不在于企业不投入，而在于投入的方向错了，”Forrester分析师指出。“大多数公司在2024-2025年把预算砸在了模型采购上，而不是组织能力建设上”。当模型能力不再是稀缺资源时，真正的竞争壁垒就变成了——谁能更好地把AI嵌入到日常业务流程中，谁能培养出既懂业务又懂AI的复合型人才。

四、巨头们开始”下场”：从卖工具到卖能力

面对人才与治理的双重挑战，科技巨头们正在改变策略。过去几年，它们主要扮演”卖铲子”的角色——提供AI模型、API和开发工具。但现在，它们开始意识到：如果客户不会用这些工具，再好的模型也毫无价值。

AWS的做法最为激进。该公司近期推出了面向企业客户的”前置工程团队”（Forward-Deployed Engineering Team），直接派遣工程师入驻客户企业，帮助搭建AI Agent的部署环境和治理框架。这不是传统的咨询服务——AWS工程师将与客户团队并肩工作，确保AI系统真正落地运行。

Adobe的策略则是生态合作。该公司通过新的代理机构和技术合作伙伴关系，加速企业级Agentic AI的采纳。Adobe不再仅仅销售AI功能，而是打包”AI+工作流程+培训”的一体化解决方案。

Gartner则从方法论层面给出指引。该机构最新报告强调，”上下文层”（Context Layer）才是AI Agent规模化部署的关键——不是模型的智能程度，而是企业能否为AI提供结构化、高质量、实时更新的业务上下文数据。

五、深层矛盾：技术迭代周期 vs 组织进化周期

这场”部署快于准备”的困境，折射出一个更深层的结构性矛盾：技术迭代是以月为单位的，而组织进化是以年为单位的。

AI模型的更新周期已经从年缩短到周——OpenAI、Anthropic、Google等公司几乎每周都在发布新模型、新能力。但一家中型企业完成一次组织架构调整需要6-12个月，培养一个合格的AI运营团队需要1-2年，建立一套完整的AI治理框架则需要更长时间。

“这不仅仅是培训不足的问题，”UX专家Jakob Nielsen在一篇分析文章中写道，”AI在企业的真正障碍是组织设计，而非技术问题。大多数公司的流程、权限结构、决策链条都是为’人类执行任务’设计的，而不是为’人机协作’设计的。要让AI真正发挥作用，企业需要重新思考的不是’用什么AI’，而是’组织应该怎么运转’。”

Grant Thornton的报告同样证实了这一点：“人才缺口正在阻碍新兴企业的AI规模化”。不仅在大型企业，连那些刚刚起步的科技公司也在遭遇同样的瓶颈——它们能买到最好的AI工具，但找不到足够的人来运营这些工具。

六、出路在哪里？

面对这场”无人驾驶”的AI转型，企业并非束手无策。综合多家机构的建议，以下几条路径正在被广泛探讨：

第一，治理先行。与其让各部门各自为政地部署AI，不如先建立统一的AI治理框架，明确数据使用规范、安全标准和合规要求。联想的报告建议企业首先对现有AI使用情况进行全面盘点，识别”影子AI”的范围和风险等级。

第二，人才投资。这不仅是招聘AI工程师的问题——更重要的是培养”翻译型人才”，即那些既理解业务需求又了解AI能力边界的复合人才。AWS的前置工程团队模式提供了一种思路：让技术专家深入到业务一线，帮助团队建立实际能力。

第三，从小处着手。Forrester的建议是，不要试图一次性在所有流程中部署AI。选择一个高价值、低风险的场景作为切入点，验证可行后再逐步扩展。Agentic AI的成熟度是阶梯式的，不是跳跃式的。

第四，重新设计组织。这是最难但也最根本的一步。当AI成为日常运营的一部分后，企业需要重新思考岗位设置、决策流程、绩效考核方式。这不是在现有流程上加一层AI，而是从根本上重构工作方式。

Meta发布Muse Spark 1.1杀入AI编程市场，同时遭遇美欧双重监管围剿——扎克伯格的”AI铁幕”正在被政策撕裂？

一、Muse Spark 1.1：扎克伯格用X平台发公告，意在传递什么信号？

昨天，Meta正式发布了Muse Spark 1.1编程模型，并以开发者预览版的形式向外界开放。这不是一个普通的模型更新——这是Meta有史以来最明确的一次向AI编程市场宣战。

值得注意的是，扎克伯格亲自选择在X平台上公布了这一消息。这不仅是一个营销选择，更是一种战略姿态：当AI公司开始争夺”话语权”时，社交平台本身就是战场。通过X平台发布产品，扎克伯格在传递一个信息——Meta不只是在做AI模型，而是在构建一个从底层算力到上层应用的完整闭环生态。

Muse Spark 1.1的核心卖点很明确：更强的代码生成能力、更低的推理成本、以及深度集成Meta现有的开发者工具链。这与Anthropic Claude Code和OpenAI Codex形成了正面竞争——三家巨头在同一条赛道上，开始了最直接的贴身肉搏。

但这里有一个关键细节值得玩味：Meta的AI首席科学家此前就透露过，Muse Spark的下一步将”强化编码和Agentic AI能力”。这意味着Spark 1.1不是终点，而是一个起点——Meta正在用渐进式发布的方式测试市场反应，同时控制风险敞口。

二、同日参议员霍利推出”AI问责议程”：矛头直指科技巨头

如果说Muse Spark 1.1的发布只是科技新闻，那么同一天《卫报》报道的美国参议员霍利（Josh Hawley）推出的”AI问责议程”（AI Accountability Agenda），则是一记政治重拳。

霍利此次推出的不是一项单一法案，而是一揽子立法框架，涵盖多个维度：

• AI透明度要求：强制科技公司披露训练数据来源、模型能力边界和已知安全风险。
• AI影响评估制度：对高风险AI应用进行事前审批，类似于FDA对新药的审查流程。
• 用户伤害赔偿机制：建立AI系统造成损害时的责任追溯和赔偿渠道。
• 算法审计独立化：要求第三方机构对头部AI模型进行定期安全审计。

这些提案的措辞非常明确——目标不是限制技术创新，而是重新定义”谁有权决定AI如何使用”的权力结构。霍利在参议院发表的声明中直言：”如果AI不受控，它将控制我们。”

三、欧盟同步开火：从数据隐私到”成瘾性设计”的范式升级

几乎在同一时间，欧盟委员会向Meta发出了另一份警告：指控其未能解决”成瘾性设计”（addictive design）带来的心理健康风险。

这标志着欧盟对Meta的监管范式发生了根本性转变——过去十年，欧盟的火力主要集中在数据隐私（GDPR）和内容审核（DSA）领域。而现在，矛头直接指向了AI产品本身的设计逻辑。

欧盟监管的逻辑链条很清晰：AI驱动的推荐算法 → 用户沉迷 → 心理健康损害 → 平台未尽保护义务。这个框架一旦落地，将彻底改变所有依赖AI推荐系统的科技公司的产品设计方式。

对于Meta而言，这是一个双重打击：它既要在技术上证明自己的AI系统是安全的，又要在设计上证明自己的产品不是”成瘾性”的——这两者在很多情况下是相互矛盾的。

四、”扩张vs监管”：Meta的AI困局到底暴露了什么？

把这三条线放在一起看，一个清晰的图景浮现出来：Meta正在经历一场”三面作战”的AI困局。

在技术侧，Meta需要与OpenAI、Anthropic、Google展开激烈的模型竞争；在政治侧，它需要应对美国国会两党日益收紧的AI监管压力；在国际侧，它还要面对欧盟以”用户保护”为名行”市场准入壁垒”之实的监管挑战。

这种困局并非Meta独有。OpenAI正面临白宫审批和国会调查的双重压力，Anthropic则在出口管制和国家安全审查之间走钢丝。但Meta的特殊之处在于：它同时是一家AI模型公司和一家社交媒体平台——这意味着它的AI产品既可能受到”技术监管”，也可能受到”内容监管”，双重监管框架叠加在一起，构成了前所未有的合规复杂度。

五、深层解读：AI竞争进入”政策即基础设施”时代

Muse Spark 1.1的发布和同日爆发的监管新闻，共同指向了一个更深层次的行业趋势：政策正在成为AI竞争的基础设施层。

过去两年，我们一直在讨论”算力即基础设施”和”数据即基础设施”。但现在，“合规能力”正在成为第三种基础设施——它决定了哪些公司能够合法地部署最先进的AI模型，哪些产品能够进入特定市场，以及哪些创新路径是可行的。

这种趋势有几个重要含义：

• 小公司获得相对优势：合规成本对大公司是负担，对小公司可能是护城河。那些天生就符合监管要求的产品，反而能在政策收紧时获得竞争优势。
• 地缘政治影响产品路线：不同司法管辖区的不同监管标准，正在迫使AI公司开发”多版本”产品——面向美国的、面向欧洲的、面向亚洲的，各自满足不同的合规要求。
• 监管套利成为新策略：就像金融科技行业的”监管沙盒”一样，AI公司正在寻找监管相对宽松的市场作为首发阵地，然后再逐步扩展到其他地区。

中美同步出手：DeepSeek自研芯片对抗英伟达、中国酝酿’硅幕’封锁模型——AI时代的’访问权’正在成为比算力更稀缺的战略资源？

如果说 2024 年的 AI 竞赛主题是”谁的模型更强”，2025 年是”谁的芯片更多”，那么到了 2026 年年中，一场更为隐蔽却同样激烈的博弈正在两个超级大国之间同步展开——谁能决定”谁有资格使用 AI”。

过去一周，路透社连续爆出两条重磅独家报道，勾勒出一幅令人深思的图景：一边是中国 AI 独角兽 DeepSeek 秘密研发自有芯片，试图打破对英伟达和华为的双重依赖；另一边是北京正在评估一项被称为”硅幕”的方案，考虑限制海外用户访问中国顶级 AI 模型。几乎在同一时间，美国在推出 GPT-5.6 的同时，也在重新书写 AI 访问规则的全球框架。

两条看似独立的故事线，实际上指向同一个结构性转变：AI 竞争的主战场正在从”能力层”向”准入层”迁移。当模型能力和芯片产能的差距逐渐缩小，”访问权”——谁能用、用什么级别、在什么条件下用——正在成为比算力本身更稀缺、更具战略价值的资源。

一、DeepSeek 的”第三条路”：不只绕过英伟达，还要绕过华为

路透社 7 月 9 日的独家报道揭示了一个此前鲜为人知的动向：中国 AI 大模型公司 DeepSeek 正在开发自己的 AI 推理芯片。这不是又一家中国公司模仿英伟达 H20 的追随者行为——DeepSeek 的目标更加明确且更具颠覆性。它不仅要摆脱对英伟达的依赖，还要减少对华为昇腾芯片的依赖。

这一决策背后的逻辑值得深究。过去两年，中国 AI 产业在美方出口管制压力下，形成了”英伟达 H20 + 华为昇腾”的双轨供应该格局。DeepSeek 作为这一格局的最大受益者之一（其模型以极低价格获得华为全栈支持），本可以安于现状。但选择自研芯片意味着：

MemeBurn 在 7 月 11 日的分析中指出，DeepSeek 此举”可能同时震动英伟达和华为”。对英伟达而言，这意味着中国最大 AI 公司之一的芯片需求将从”购买者”变为”竞争者”；对华为主力国产芯片供应商而言，DeepSeek 的自研芯片如果成功，将为其他中国大模型公司提供一条”不靠任何人”的第三条道路。

Technology Org 的报道标题简洁而有力：“DeepSeek 得出结论：最好的芯片是自己造的”。这句话背后折射出的，是中国 AI 产业从”应用层创新”向”基础设施层自主”的深层跃迁。

二、中国的”硅幕”：从芯片封锁到模型封锁的范式升级

如果说 DeepSeek 自研芯片是供给侧的战略突围，那么路透社另一条独家报道——北京正在评估限制海外访问中国顶级 AI 模型——则代表了需求侧的管控升级。

这篇由 Kenrick Cai 撰写的报道使用了”silicon curtain”（硅幕）一词，精准捕捉了这一政策的本质：中国正在考虑将半导体时代的技术封锁逻辑，扩展到 AI 模型层面。与美方通过出口管制限制”中国获取什么”不同，中方考虑的是一种镜像策略——限制”世界能获取什么”。

Xpert.Digital 在 7 月 10 日发表的一篇德语文章进一步阐释了这一趋势：“数字封锁即将到来？免费 AI 的终结？当中国现在开始收紧西方的 AI 水龙头”。这篇文章将中国可能的模型出口管制置于全球免费 AI 生态崩塌的大背景下——如果中美两大 AI 供给方同时开始限制访问，全球开发者将面对一个完全不同的格局。

值得注意的是，路透社 7 月 7 日的另一篇独家报道（Fanny Potkin 撰写）透露，北京的讨论仍处于”评估”阶段，尚未形成最终政策。但这种”评估”本身已经释放了强烈的信号：在中国政策制定者的认知中，AI 模型不再仅仅是技术产品，而是需要像芯片一样被纳入国家安全框架的战略资产。

三、美国的镜像动作：GPT-5.6 与 AI 访问规则重写

几乎在同一时间窗口，美国也在推进自己的 AI 访问治理框架。Investing.com 7 月 9 日的报道将两条新闻并置：“OpenAI 推出 GPT-5.6，华盛顿重写 AI 访问规则”。

这种同步并非巧合。自 2025 年下半年以来，美国政府逐步建立了从芯片出口管制到模型分级审批的完整 AI 治理链条。GPT-5.6 的发布恰逢白宫重新审视”谁可以使用最先进 AI 模型”的规则体系——这意味着美国正在将 AI 访问控制制度化、常态化。

这种镜像态势揭示了一个深刻的结构性现实：无论意识形态如何对立，中美两国在 AI 治理的核心逻辑上正在趋同——都将”访问权”视为国家战略级资源。区别仅在于，美国从”输出端”控制，中国从”输入+输出端”双向控制。

四、”访问权战争”的全球影响

当两个最大的 AI 供给方同时收紧访问权限、同时投资底层基础设施自主化，全球 AI 生态将面临前所未有的分裂压力。

首先是对全球开发者的直接影响。如果中国真的实施”硅幕”政策，海外开发者使用 Kimi、通义千问、文心一言等中国模型的门槛将大幅提高——不仅是价格问题，更是合规和地理围栏问题。与此同时，美国对先进模型的出口审批趋严，意味着非美国家获取顶级 AI 能力的渠道将被进一步压缩。

其次是产业格局的重塑。DeepSeek 自研芯片的成功如果成真，将产生连锁反应：其他中国大模型公司（月之暗面、智谱、百川等）可能跟进，加速中国 AI 产业的”去英伟达化”和”去华为化”双重进程。这将使全球芯片供应链进一步碎片化。

最后是地缘政治的溢出效应。欧盟、日本、韩国、印度等中等强国将面临”选边站”压力——在两套相互独立的 AI 生态中，选择接入哪一套、在多大程度上保持中立，将成为各国 AI 战略的核心难题。

科技资讯

OpenAI 发布 GPT-5.6 工作代理，北京同步酝酿 AI 模型出海限制——两大超级力量在同一天亮出底牌，AI 时代的”访问权”正在成为比芯片更稀缺的战略资源？

一、OpenAI 的”工作代理”豪赌：GPT-5.6 不只是升级，而是重新定义 AI

7月9日，OpenAI 向公众开放了迄今为止最强大的 AI 系统——GPT-5.6。但这不是一次简单的版本迭代，而是一场精心策划的产品矩阵重塑。

与以往不同，这次 GPT-5.6 以三档分层的形式亮相：

但真正让业界震惊的不是模型分层本身，而是 OpenAI 同时推出的ChatGPT Work——一个被设计用来”完成整份工作”而非”回答单个问题”的工作代理。正如 Space Daily 的报道所言：”OpenAI 不再满足于做问答工具，它要接管你的工作流。”

Altman 在接受 CNBC 采访时透露，GPT-5.6 在代理式编码任务上的 token 效率提升了 54%。这意味着什么？意味着 AI 不仅”写得更好”，而且”花得更少”——在 OpenAI Q1 烧掉 37 亿美元的背景下，这个数据既是技术宣言，也是财务自救。

Forbes 的分析文章指出，这次发布标志着 OpenAI 从”模型竞赛”转向”工作流锁定”——不是要比谁的回答更聪明，而是要让你的日常工作习惯依赖 ChatGPT Work。这种策略与 Anthropic 此前组建 AI 部署军团的做法形成了鲜明对比：一方选择”嵌入你的日常”，另一方选择”嵌入企业的决策层”。

二、北京的”硅幕”考量：当中国 AI 成为被争夺的战略资产

几乎在同一时间窗口，另一条新闻正在悄然发酵。路透社独家报道（由 Fanny Potkin 和 Kenrick Cai 联合撰写）称，北京正在考虑限制海外用户对中国顶级 AI 模型的访问。

这篇报道的核心信息量极大。长期以来，美国通过芯片出口管制试图遏制中国 AI 发展，而中国则通过开源策略反向渗透美国开发者社区。但路透社的报道揭示了一个新的战略转向：中国开始将自身 AI 模型视为”战略出口资产”，并考虑采取类似美国的出口管制手段。

这篇报道在多家国际媒体引发了连锁反应。CNBC 随后报道美国议员正在调查中国 AI 模型在美国企业中的增长使用情况；德国媒体 Xpert.Digital 更是直接以”数字封锁？免费 AI 的终结？中国正在向西方面关紧 AI 水龙头”为题进行了深度分析。

这一政策的战略含义深远。如果北京真的实施海外访问限制，那么全球 AI 生态将被迫在两个”阵营”之间做出选择：使用美国模型（受美国出口管制约束）还是使用中国模型（未来可能受中国出口管制约束）。这正是文章 #292 所描述的”逆全球化”趋势的进一步深化。

三、双重叙事背后的同一场战争：从”算力军备竞赛”到”访问权争夺战”

OpenAI 的 GPT-5.6 发布和北京的”硅幕”考量，表面上是两个独立的故事——一个是产品发布，一个是政策动向。但将它们放在同一个时间框架下审视，一幅更深层的图景浮现出来。

第一层：AI 竞争的维度升级。过去两年，AI 军备竞赛的核心指标是算力（GPU 数量）、参数规模（千亿/万亿级别）和人才密度。但现在，两大叙事共同指向了一个新的竞争维度——谁能控制”谁能用上最强 AI”。OpenAI 通过 ChatGPT Work 将 AI 嵌入工作流，创造”使用习惯壁垒”；北京通过潜在的海外访问限制，创造”地理政策壁垒”。

第二层：AI 访问权的”第三战略资源”地位。在能源时代，石油是战略资源；在信息时代，数据是战略资源；而在 AI 时代，“谁能用上最强模型”正在成为第三种战略资源——甚至比芯片和数据更重要。因为即使你拥有最好的芯片和最丰富的数据，如果无法访问最前沿的模型，你的 AI 能力就会被锁定在一个次优水平。

这正是为什么 G7 闭门会议上 Anthropic 和 DeepMind 向特朗普团队提交的 AI 联盟方案如此关键——它本质上是在定义”谁有资格进入 AI 俱乐部”。而北京的回应则是：如果你们要设门槛，那我们也设门槛。

第三层：全球 AI 生态的”阵营化”加速。当两个超级大国同时开始控制 AI 模型的跨境流动时，全球 AI 开发者和企业将面临前所未有的选择压力。Article #292 已经记录了 46% 的美国开发者使用中国模型的现象，但如果北京真的实施限制，这个数字可能会断崖式下跌——或者反过来，促使更多企业寻找”第三条路”。

四、对中国 AI 行业的影响：短期阵痛还是长期机遇？

对于中国 AI 行业而言，”硅幕”政策是一把双刃剑。

短期来看，限制海外访问可能削弱中国 AI 模型的全球影响力。DeepSeek、智谱 AI、MiniMax 等公司通过低价甚至开源策略在美国市场建立的声誉可能被政策打断。对于那些依赖美国客户收入的 AI 初创公司来说，这可能意味着收入的急剧下降。

但长期来看，这种限制可能反而强化”国产替代”的逻辑。当中国企业意识到海外访问可能随时被切断时，它们会更坚定地投资于自主模型生态。这与中国在芯片领域的”去美化”路径如出一辙——外部压力越强烈，内部创新动力越充足。

值得注意的是，路透社的报道使用的是”正在考虑”（weighing up）而非”即将实施”。这表明北京尚未做出最终决定，而是在评估各种方案的利弊。这种审慎态度本身就是一个信号：中国 AI 政策的制定者正在认真思考如何将技术优势转化为地缘政治筹码。

五、小结：AI 时代的”访问权”博弈，才刚刚开始